多尺度学习——SSD算法

目标检测算法分为两类
1、two-stage检测算法：
将检测问题分为两个阶段，首先产生候选区(region proposals),然后对候选区域进行分类。
eg：Fast R-CNN、Faster R-CNN
优点：识别错误率低，漏识别率也较低。
缺点：速度慢
算法需要完成4个任务：
（1）特征抽取
（2）生成RP
（3）分类
（4）定位回归
2、one-stage检测算法：
不需要region proposal阶段，直接产生物体的类别概率和位置坐标值，经过单次检测即可直接得到最终的检测结果，速度快。
eg：YOLOv1、SSD、YOLOv2、RetinaNet、YOLOv3
算法需要完成3个任务：
（1）特征抽取
（2）分类
（3）定位回归

SSD算法

SSD–Single Shot MultiBox Detector（one-stage）

• 不同尺度的特征图上进行检测
  大尺度特征图（较靠前的特征图）可以用来检测小物体，而小尺度特征图（较靠后的特征图）用来检测大物体
• MultiBox指明了SSD是多框预测
  SSD采用了不同尺度和长宽比的先验框
• 采用卷积进行检测
  SSD直接采用卷积对不同的特征图来进行提取检测结果。对于形状为m * n *p的特征图，只需要采用 3 x 3 x p的卷积核获取检测值

一、网络结构

- 主干网络：VGGNet：
SSD以VGG16作为基础模型，然后在VGG16的基础上新增了卷积层来获得更多的特征图以用于检测。
SSD主干网络不仅可以使用VGG，还可以使用ResNet这种更优秀的卷积神经网络结构来提取相应的特征；还可以采用一些轻量级的网络提高目标检测时间和压缩计算量，如MobileNets。
- 多尺度Feature Map检测：
对其中5种不同的卷积层的输出（feature map）分别用两个不同的 3×3的卷积核进行卷积，一个输出分类用的confidence，每个default box 生成21个类别confidence；一个输出回归用的 localization，每个 default box生成4个坐标值（x, y, w, h）；此外，这5个feature map还经过 PriorBox 层生成 prior box（生成的是坐标）。上述5个feature map中每一层的default box的数量是给定的(8732个)。最后将前面三个计算结果分别合并然后传给loss层。
- NMS筛选层：
SSD综合了各个不同feature map上的目标检测输出的default box，先过滤掉类别概率低于阈值的default box，再采用NMS非极大值抑制，筛掉重叠度较高的。

二、算法过程
SSD网络的详细结构：

基本步骤：

• 输入一幅图片，让图片经过卷积神经网络（CNN）提取特征，并生成 feature map。
• 抽取其中六层的feature map，然后再 feature map 的每个点上生成 default box（各层的个数不同，但每个点都有）。
• 将生成的所有 default box 都集合起来，全部丢到 NMS（极大值抑制）中，输出筛选后的 default box，并输出。

三、损失函数
SSD算法的损失函数分为两部分：计算相应的default box与目标类别的confidence loss以及相应的位置回归。

四、数据扩增
采用数据扩增（Data Augmentation）可以提升SSD的性能，主要采用的技术有水平翻转（horizontal flip），随机裁剪加颜色扭曲（random crop & color distortion），随机采集块域（Randomly sample a patch）（获取小目标训练样本）